从某种意义上说，育种是来自不同种质资源的优良等位基因的聚合。作物育种经历了漫长的改良之路。传统育种是肉眼观察作物表型，通过主观判断选择高产、优质的育种材料。后来，根据对作物遗传规律的理解，通过杂交试验的前期工作，出现了专业育种者，然后从优良栽培品种的后代中选出。
直到20世纪50年代，分子生物学和基因工程的诞生为人类了解生命的本质打开了大门。作物育种已经从经验育种时代进入了分子定向育种的时代。在此期间，育种人员可以在基因表型效应明确的情况下，以有针对性的方式重组满足预期要求的基因。
以人工神经网络为代表的新一代农业人工智能技术具有更强的数据挖掘能力，正将作物育种推向智能化4.0时代。在人工智能技术辅助育种方面，美国农业公司也曾使用过。例如，前孟山都公司通过人工智能筛选，只需对最具潜力的品种和分子进行实地测试，这可以帮助农民增加收入。此外，借助机器学习和预测建模技术，可以迅速提供数字解决方案。
与国外种子产业集中度高、规模大的农业企业相比，我国种子企业大多是"作坊"生产和分散分布，为了实现高通量的基因筛选和预测，有必要对适合我国种业的发展进行改进。
在研究方面，目前国内外对深入学习人工智能技术在基因组学领域的应用才刚刚起步。影响农业人工智能技术在基因组学中广泛应用的因素之一是缺乏跨领域人才，基因组学领域的人们需要学习和掌握人工智能技术方法，并根据基因组学领域问题的特殊性，对人工智能技术进行改进。
此外，培训深度学习模式需要大量的数据。然而，在农业领域，作物基因和表型数据的积累不足。在大数据时代，农业人工智能育种的前提是规范大数据系统，但农业数据不容易采集，作物表型数据差异较大，不同人采集的数据的真实可靠性和准确性难以控制，而且彼此之间的数据不开放共享，使得研究中的可比数据数量少。这也是目前国内面临的困难之一需要解决。